拥堵路段的显示方法、装置、设备、介质及程序产品与流程

1.本技术实施例属于电子地图领域，特别涉及一种拥堵路段的显示方法、装置、设备、介质及程序产品。


背景技术：

2.随着电子地图技术的不断发展，电子地图为出行者和交通管理者带来了巨大的便利，出行者和交通管理者可以从电子地图上获取各式各样的信息。
3.相关技术中，电子地图的界面采用绿色表示路段通畅、黄色表示路段轻微拥堵、红色表示路段正常拥堵、深红色表示路段严重拥堵，出行者和交通管理者可直观获取路段是否拥堵的信息。
4.然而，电子地图界面显示出的关于拥堵路段的信息仍然较少，在拥堵路段的数量巨大的情况下，很难对拥堵路段进一步区分。


技术实现要素：

5.本技术提供了一种拥堵路段的显示方法、装置、设备、介质及程序产品，突出显示了当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异较大的异常拥堵路段。所述技术方案如下：
6.根据本技术的一方面，提供了一种拥堵路段的显示方法，所述方法包括：
7.显示目标地理区域的地图界面，目标地理区域包括m个拥堵路段，m为正整数；
8.响应于m个拥堵路段中的n个拥堵路段满足异常拥堵条件，标记n个拥堵路段，异常拥堵条件指示拥堵路段的拥堵情况的异常程度满足预警条件，其中，n为不大于m的正整数。
9.根据本技术的另一方面，提供了一种基于拥堵路段的确定方法，所述方法应用于服务器，所述方法包括：
10.获取目标地理区域的m个拥堵路段，m为正整数；
11.确定m个拥堵路段中满足异常拥堵条件的n个拥堵路段，异常拥堵条件指示拥堵路段在当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异满足预警阈值，n为不大于m的正整数；
12.输出n个拥堵路段。
13.根据本技术的另一方面，提供了一种拥堵路段的显示装置，所述装置包括：
14.显示模块，用于显示目标地理区域的地图界面，目标地理区域包括m个拥堵路段，m为正整数；
15.标记模块，用于响应于m个拥堵路段中的n个拥堵路段满足异常拥堵条件，标记n个拥堵路段，异常拥堵条件指示拥堵路段的拥堵情况的异常程度满足预警条件，其中，，n为不大于m的正整数。
16.根据本技术的一个方面，提供了一种计算机设备，所述计算机设备包括：处理器和存储器，所述存储器存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现
如上所述的拥堵路段的显示方法或基于拥堵路段的确定方法。
17.根据本技术的另一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如上所述的拥堵路段的显示方法或基于拥堵路段的确定方法。
18.根据本技术的另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面提供的拥堵路段的显示方法或基于拥堵路段的确定方法。
19.本技术实施例提供的技术方案带来的有益效果至少包括：
20.通过标记出拥堵情况的异常程度满足预警条件的拥堵路段，即标记出异常拥堵路段，使得地图界面显示出更多关于拥堵路段的信息，实现了在地图界面存在大量的拥堵路段的情况下，仍能对拥堵路段进行区分，使得交通管理者能快速锁定异常拥堵的路段。
附图说明
21.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1示出了本技术一个示例性实施例提供的计算机系统的结构框图；
23.图2示出了本技术一个示例性实施例提供的拥堵路段的显示方法的流程图；
24.图3示出了本技术另一个示例性实施例提供的拥堵路段的显示方法的流程图；
25.图4示出了本技术一个示例性实施例提供的异常堵块图标的示意图；
26.图5示出了本技术一个示例性实施例提供的高亮异常拥堵路线的示意图；
27.图6示出了本技术一个示例性实施例提供的高亮异常拥堵区域的示意图；
28.图7示出了本技术另一个示例性实施例提供的拥堵路段的显示方法的流程图；
29.图8示出了本技术一个示例性实施例提供的异常堵块列表的示意图；
30.图9示出了本技术一个示例性实施例提供的第一聚合方法的流程图；
31.图10示出了本技术一个示例性实施例提供的第一聚合方法的子步骤的流程图；
32.图11示出了本技术一个示例性实施例提供的第一聚合方法的示意图；
33.图12示出了本技术一个示例性实施例提供的第二聚合方法的流程图；
34.图13示出了本技术一个示例性实施例提供的第二聚合方法的子步骤的流程图；
35.图14示出了本技术一个示例性实施例提供的第二聚合方法的示意图；
36.图15示出了本技术另一个示例性实施例提供的拥堵路段的显示方法的流程图；
37.图16示出了本技术一个示例性实施例提供的拥堵路段的显示装置的结构框图；
38.图17示出了本技术一个示例性实施例提供的计算机设备的结构框图。
具体实施方式
39.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例
中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
40.应当理解的是，在本文中提及的“若干个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
41.首先，对本技术实施例中涉及的名词进行简单介绍：
42.路网：路网是指特定的地图数据生产单位为了便于开展道路信息采集、更新、对外服务等工作，对实际道路网络进行抽象化得到的网络。
43.路段：通常将整个路网划分为一个个存在连接关系的路段(也可称为link)，每个路段可承载某个方向的车流。每个路段拥有独立的属性信息，比如：几何线形数据、道路等级、车道数、车道宽度、是否有信号灯控制等等。可选的，在路网中对路段的划分是基于一个路口到另一个路口划分的；可选的，在路网中对路段的划分是基于距离划分的，比如在长道路中每隔300米划分为一个路段。可选的，在路网中路段的空间粒度比常识中路段的空间粒度更小。
44.值得说明的一点是，在本技术的所有实施例中，路段均具有方向属性，比如，位置a
→
位置b的路段和位置b
→
位置a的路段为不同的路段。
45.智能交通系统(intelligent traffic system，its)又称智能运输系统(intelligent transportation system)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
46.智能车路协同系统(intelligent vehicle infrastructure cooperative systems，ivics)，简称车路协同系统，是智能交通系统(its)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
47.接下来介绍本技术实施例所处的实施环境：
48.图1示出了本技术一个示例性实施例提供的计算机系统的结构框图。该计算机系统100包括：终端120和服务器140。
49.终端120上安装和运行有支持电子地图的应用程序。该支持电子地图的应用程序可以是具有电子地图展示功能的任意类型的应用程序，比如，包括但不限于专用的电子地图应用、集成在宿主程序(比如社交类应用、购物类应用等)中运行且具有电子地图展示功能的小程序、具有电子地图展示功能的快应用等等。在本技术中，终端120可以是出行者持有的终端，比如，出行者根据电子地图提供的路况信息决策是否出行、采取何种方式出行、何时出行等等。终端120也可以是交通管理者持有的终端，比如，交通管理者根据电子地图提供的路况信息分析造成路段异常拥堵的原因、如何疏通拥堵路段、如何完善城市交通网络等等。
50.终端120通过无线网络或有线网络与服务器140相连。
51.服务器140可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。在本技术实施例中，服务器140为支持电子地图的应用程序提供后台服务。
52.可选的，上述支持电子地图的应用程序可以运行在不同操作系统平台(安卓或ios)上。可选的，运行有支持电子地图的应用程序的终端120的设备类型相同或不同，该设备类型包括：智能手机、智能手表、智能电视、车载终端、可穿戴设备、平板电脑、电子书阅读器、mp3播放器、mp4播放器、膝上型便携计算机中的至少一种。以下实施例以终端包括智能手机来举例说明。
53.值得说明的一点是，本技术的所有实施例可以由终端执行、或终端+服务器协同执行、或由服务器执行，本技术对终端和服务器之间的工作分配方式不加以限定。
54.本领域技术人员可以知晓，上述终端的数量可以更多或更少。比如上述终端可以仅为一个，或者上述终端为几十个或几百个，或者更多数量。本技术实施例对终端的数量和设备类型不加以限定。
55.为突出显示当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异较大的异常拥堵路段，图2是本技术一个示例性实施例提供的拥堵路段的显示方法的流程图，以该方法应用于图1所示的终端120(或终端120上支持电子地图的应用程序)进行举例说明，该方法包括：
56.步骤220，显示目标地理区域的地图界面，目标地理区域包括m个拥堵路段；
57.目标地理区域：指根据现实世界中的道路网状结构映射得到的路网中的部分区域。可选的，用户打开支持电子地图的应用程序，终端根据预设的显示粒度显示出目标地理区域，比如，终端显示以用户所在位置为中心附近3km的区域。可选的，支持电子地图的应用程序接收到用户的搜索操作，终端显示搜索操作指示的地理区域，比如，用户在应用程序的输入框中输入“北京市”，则终端根据预设的显示粒度显示出北京市的地理区域。可选的，支持电子地图的应用程序接收到用户的拖动和/或缩放操作，终端显示出拖动和/或缩放操作指示的目标地理区域。
58.拥堵路段：指目标地理区域中处于拥堵状态的路段，在本技术的相关技术中，可以通过实时通行速度判断路段是否处于拥堵状态，比如，对于路段a，实时通行速度不小于30km/h为通畅、实时通行速度处于20km/h至30km/h之间为轻微拥堵、实时通行速度处于10km/h至20km/h之间为中度拥堵、实时通行速度低于10km/h为严重拥堵。即，对于路段a，实时通行速度小于30km/h为处于拥堵状态。
59.应理解，不同类型的路段对拥堵的评价体系不同，比如，对于高速公路和城市快速路等高等级道路而言，当该高等级道路的实时通行速度小于60km/h时，认定该高等级道路处于拥堵状态；对于其他道路而言，当其他道路的实时通行速度小于30km/h，认定其他道路处于拥堵状态。
60.值得说明的一点是，上述实时通行速度的具体数值仅起到示例性作用，并不能解释为对本技术的拥堵状态的限定。实际上，拥堵状态的认定还可能通过其他方式，比如，某
车辆行至设置有信号灯的交叉路口，在3次绿灯的时间内未通过该路口，则认定该路段为中度拥堵，在5次绿灯的时间内未通过该路口则认定该路段为严重拥堵；或，路段上存在车辆排队的队伍的长度超过1km，则认定该路段为中度拥堵，路段上存在车辆排队的队伍的长度超过1500m，则认定该路段为严重拥堵。
61.值得说明的另一点是，在支持电子地图的应用程序上可能通过颜色来标记路段的状态，比如绿色表示路段通畅、黄色表示路段轻微拥堵、红色表示路段中度拥堵、深红色表示路段严重拥堵，即，除通畅状态以外的状态均为拥堵状态。
62.步骤240，响应于m个拥堵路段中的n个拥堵路段满足异常拥堵条件，标记n个拥堵路段；
63.通过上述步骤220，终端可从目标地理区域中获取m个拥堵路段，接下来，终端标记m个拥堵路段中满足异常拥堵条件的n个拥堵路段。其中，异常拥堵条件指示拥堵路段的拥堵情况的异常程度满足预警条件，可选的，异常拥堵条件指示拥堵路段在当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异满足预警阈值。可选的，异常拥堵条件指示拥堵路段的实时路况信息与历史路况信息之间的差异满足预警阈值。
64.在一个实施例中，实时路况信息包括实时通行速度和实时拥堵概率中的至少一种；历史路况信息包括历史通行速度和历史拥堵概率中的至少一种。
65.可选的，通行速度指示拥堵路段上的车辆的平均通行速度，拥堵概率指示拥堵路段上的车辆处于拥堵状态的概率。
66.在一个实施例中，终端仅从时间维度上判断拥堵路段是否满足异常条件，比如，终端判断拥堵路段的实时通行速度与历史通行速度之间的差值达到阈值，则认定该拥堵路段异常。又比如，终端判断拥堵路段的实时拥堵概率与历史拥堵概率之间的差值达到阈值，则认定该拥堵路段异常。
67.在另一个实施例中，终端可结合时间和空间维度判断拥堵路段是否满足异常拥堵条件，比如，终端获取拥堵路段预设距离范围内的路段集群，若该路段集群的实时路况信息与历史路况信息之间的差异满足条件，则认定该拥堵路段异常。
68.在另一个实施例中，终端可通过机器学习模型判断拥堵路段是否异常。
69.实际上，对于拥堵路段是否满足异常条件的判断还可能存在其他方式，本技术对此不加以限定，关于上述提及的判断方式将在下述第一至第四种可能的异常判断方式展开详细介绍，此处暂不着重笔墨。
70.终端获取n个满足异常拥堵条件的拥堵路段之后，终端将在地图界面上标记该n个拥堵路段。在一个实施例中，终端可能采取单级显示(直接在当前地图界面上标记)的方式标记n个拥堵路段，比如，终端采取以下方式中的至少一种来标记n个拥堵路段：
71.·
在每个拥堵路段上显示异常拥堵图标；
72.·
显示异常拥堵路段列表，异常拥堵路段列表包括n个拥堵路段的名称；
73.·
高亮显示n个拥堵路段；
74.·
高亮显示若干个拥堵区域，每个拥堵区域覆盖至少一个拥堵路段；
75.·
文字指示该拥堵路段为异常拥堵路段。
76.在另一个实施例中，为了追求地图界面清晰明了的效果，终端可能采取多级显示(生成新的显示区域或跳转显示新的界面)的方式标记n个拥堵路段。可选的，终端可能采取
以下四种多级显示方式中的任意一种来标记n个拥堵路段：
77.第一种可能的标记方式：在第一级显示k个异常堵块图标，在第二级高亮显示某个异常堵块图标下包括的n个拥堵路段；
78.第二种可能的标记方式：在第一级显示k个异常堵块图标，在第二级高亮显示某个异常堵块图标下包括的异常拥堵区域，每个异常拥堵区域覆盖n个拥堵路段；
79.第三种可能的标记方式：在第一级显示异常堵块列表，在第二级高亮显示某个异常堵块指示的n个拥堵路段；
80.第四种可能的标记方式：在第一级显示异常堵块列表，在第二级高亮显示某个异常堵块指示的异常拥堵区域，每个异常拥堵区域覆盖n个拥堵路段。
81.其中，k个异常堵块图标与k个异常堵块一一对应，终端可能通过聚合n个拥堵路段得到k个异常堵块，对于k个异常堵块中的第一异常堵块而言，第一异常堵块包括n个拥堵路段中的n个拥堵路段，第一异常堵块为k个异常堵块中的任意一个。
82.实际上，多级显示的方式标记n个拥堵路段，还可能存在其他情况，比如，在第一级同时显示k个异常堵块图标和异常堵块列表，在第二级显示高亮的n个拥堵路段或高亮的异常拥堵区域，本技术对通过排列组合上述举例的标记方式得到的其他标记方式仍进行保护，不可将其排除在外。关于上述提及的四种多级显示方式将在下述图3和图7所示的实施例展开介绍，此处暂不着重笔墨。
83.可以理解的是，在地图界面的显示粒度较小的情况下(如，显示的地理范围仅包括北京市朝阳区)，地图界面可能采用单级显示的方式来标记n个拥堵路段，在地图界面的显示粒度较大的情况下(如，显示的地理范围包括北京市)，地图界面可能采用多级显示的方式来标记n个拥堵路段。
84.基于上述，已完成在地图界面上标记满足异常条件的n个拥堵路段，异常条件指示拥堵路段在当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异满足预警阈值。
85.综上所述，通过标记当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异满足预警阈值的拥堵路段，即标记出异常的拥堵路段，使得地图界面显示出更多的拥堵路段的信息，为出行者和交通管理者作出决策提供了更多的参考信息，进而提高了决策的准确性。
86.例如，交通管理者发现在往常这个时间点仅属于轻微拥堵的路段，在此刻变得异常拥堵，交通管理者快速锁定异常拥堵的路段，并作出围绕着该路段进行道路管理的决策。
87.基于图2所示的可选实施例中，步骤240之后还包括步骤s1。
88.s1，响应于n个拥堵路段不满足异常拥堵条件，取消标记n个拥堵路段；
89.应理解，此处的取消标记n个拥堵路段，可能是删除n个拥堵路段的标记，也可能是将n个拥堵路段的标记进行隐藏，比如，设置n个拥堵路段的标记所处的图层层级低于地图界面的图层层级。
90.在一个实施例中，针对n个拥堵路段中的n个拥堵路段构成的当前批次生成的第一异常堵块，在下一批次生成的第三异常堵块与第一异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，开始倒计时第一异常堵块的剩余显示时长，第一异常堵块初始的剩余显示时长为过期时长阈值。在第一异常堵块的剩余显示时长为0时，取消标记第一异常堵块。其中，n为不大于n的正整数。第三异常堵块为下一批次生成的异常堵块的任意一个。
91.应理解，当前批次生成的异常堵块与当前批次显示的异常堵块可能不一致。
92.示意性的，结合下表1进行说明。
93.表1
[0094][0095][0096]
表1示出的情况，此时，当前批次生成的g与前一批次生成的c发生了异常堵块的继承，异常堵块g显示为异常堵块c(仅异常堵块图标或异常堵块的名称发生了继承，异常堵块的详细信息仍为异常堵块g的详细信息)，未发生继承的其他异常堵块(异常堵块a、b)之所以也能显示是因为剩余显示时长未达到过期时长阈值，即未过期的缘故。若当前批次未发生异常堵块的继承，则当前批次将显示e、f、g、a、b、c。
[0097]
此时，下一批次生成的i与当前批次生成的g也发生了继承，异常堵块i显示为异常堵块g(异常堵块g显示为异常堵块c)，未发生继承的其他异常堵块(异常堵块a、b、e、f)之所以也能显示是因为剩余显示时长未达到过期时长阈值，即未过期的缘故。若当前批次未发生异常堵块的继承，则当前批次将显示h、i、a、b、c(g)、e、f。
[0098]
上述表1示出的情况是限定在异常堵块未过期的情况。下一批次生成的第三异常堵块(异常堵块h)未继承当前批次生成的第一异常堵块(异常堵块e、f中任意一个)，则在下一批次即开始第一异常堵块的过期时长的倒计时，在倒计时为0时，取消标记第一异常堵块。
[0099]
综上所述，设置若当前批次生成的异常堵块过期，则删除该异常堵块，间接地表明在当前地图界面上还显示出之前批次显示的异常堵块，设置当前地图界面可显示多批次生成的异常堵块，更符合实际道路的拥堵状态变化情况，采用过渡显示的方式也更贴近出行者或交通管理者对电子地图的使用习惯。
[0100]
下面将对步骤240中第一至第四种可能的标记方式展开详细论述。
[0101]
为突出显示当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异较大的异常拥堵路段，图3是本技术一个示例性实施例提供的标记n个拥堵路段的方法的流程图，以该方法由图1所示的终端120(或终端120上运行的支持电子地图的应用程序)执行进行举例说明，图3所示的方法可以用于替换图2所示的“标记n个拥堵路段”的步骤，图3所示的方法包括第一和第二种可能的标记方式，该方法包括：
[0102]
步骤320，在地图界面上显示k个异常堵块图标，k个异常堵块图标与由n个拥堵路段聚合得到的k个异常堵块一一对应，k个异常堵块包括第一异常堵块；
[0103]
在本实施例中，终端会获取基于满足异常拥堵条件的n个拥堵路段聚合得到的k个异常堵块，每个拥堵路段均不重复聚合，k个异常堵块中的第一异常堵块包括n个拥堵路段中的n个拥堵路段，其中，m为正整数，n为不大于n的正整数。其中，第一异常堵块是k个异常堵块中的任意一个。关于n个拥堵路段聚合得到k个异常堵块的聚合方式将在下述图9和图12所示的实施例展开详细介绍。
[0104]
在一个可选的实施例中，k个异常堵块为当前批次生成的异常堵块，k个异常堵块的异常堵块图标可能是继承前一批次的异常堵块图标，也可能是当前批次生成的k个异常堵块的候选异常堵块图标。可选的，相邻批次的时间间隔为分钟级的时间间隔。
[0105]
示意性的，针对当前批次的k个异常堵块中的第一异常堵块，终端聚合得到第一异常堵块的同时，终端还生成第一异常堵块的候选异常堵块图标，可选的，终端生成第一异常堵块的候选异常堵块图标可以理解为，终端计算得到第一异常堵块的异常堵块图标的候选显示位置。示意性的，终端确定第一异常堵块具有的n个拥堵路段构成的路线的中央位置为候选显示位置，或，终端确定第一异常堵块具有的n个拥堵路段构成的区域的中心为候选显示位置。
[0106]
在第一异常堵块与前一批次生成的第二异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，终端将上述第一异常堵块的异常堵块图标的候选显示位置，作为最终的异常堵块图标的显示位置，即，终端更新显示第一异常堵块的异常堵块图标。示意性的，第一异常堵块具有的拥堵路段为(1，2，3，4)，第二异常堵块具有的拥堵路段为(1，5，6，7，8)，第一异常堵块与第二异常堵块的重合率为25％，小于重合率阈值60％，则更新显示第一异常堵块的异常堵块图标。其中，第二异常堵块为前一批次生成的异常堵块中的任意一个。
[0107]
在第一异常堵块与前一批次生成的第二异常堵块中具有的拥堵路段的重合率不小于重合率阈值的情况下，终端将第二异常堵块的异常堵块图标的位置，作为最终的第一异常堵块的异常堵块图标的显示位置，即，终端保留显示第二异常堵块的异常堵块图标。示意性的，第一异常堵块具有的拥堵路段为(1，2，3，4)，第二异常堵块具有的拥堵路段为(1，2，3，4，5)，第一异常堵块与第二异常堵块的重合率为100％，大于重合率阈值60％，则保留显示前一批次的第二异常堵块的异常堵块图标。其中，第二异常堵块为前一批次生成的异常堵块中的任意一个。
[0108]
示意性的，图4示出了第一异常堵块的异常堵块图标，第一异常堵块的异常堵块图标401标记在n个拥堵路段构成的路线的中央位置上，即此时为终端更新显示第一异常堵块的异常堵块图标。
[0109]
步骤340，响应于第一异常堵块的异常堵块图标接收到触发操作，突出显示第一异常堵块；
[0110]
可选的，触发操作包括单击操作、双击操作、长按操作、压力触控、悬浮触控、任意滑动操作和滑动至指定区域的操作等等。
[0111]
可选的，终端突出显示第一异常堵块的方式，包括：高亮、加粗、添加特效、改变颜色等。
[0112]
响应于第一异常堵块的异常堵块图标接收到触发操作，终端高亮显示第一异常堵块，第一异常堵块的空间表现形式包括异常拥堵路线和异常拥堵区域。
[0113]
在第一异常堵块表现为异常拥堵路线时，异常拥堵路线包括n个拥堵路段，在n的值大于1的情况下，n个拥堵路段在异常拥堵路线中首尾相连，终端高亮显示该异常拥堵路线。示意性的，图5示出了表现为异常拥堵路线的第一异常堵块，图5通过涂黑的异常拥堵路线501来表示高亮的异常拥堵路线。关于异常拥堵路线的形成过程将在下述图9所示的实施例展开介绍。
[0114]
在第一异常堵块表现为异常拥堵区域时，异常拥堵区域覆盖n个拥堵路段。示意性的，图6示出了表现为异常拥堵区域的第一异常堵块，图6通过阴影表示高亮，可选的，异常拥堵区域601的内圈阴影比外圈阴影的颜色深，表示异常拥堵区域的内圈区域的异常程度比外圈区域的异常程度高。关于异常拥堵区域的形成过程将在下述图12所示的实施例展开介绍。
[0115]
步骤360，显示第一异常堵块的详细信息。
[0116]
在一个实施例中，终端显示第一异常堵块的详细信息，包括以下中的至少一种：
[0117]
显示第一异常堵块的总道路里程；
[0118]
显示第一异常堵块的预计通行速度；
[0119]
显示第一异常堵块的预计通行时长；
[0120]
显示第一异常堵块的综合异常程度；
[0121]
显示第一异常堵块的综合拥堵指数。
[0122]
在一个实施例中，终端高亮显示第一异常堵块，同时，终端显示第一异常堵块的总道路里程。比如，终端采用文字显示“京藏高速7443米”。
[0123]
在一个实施例中，终端高亮显示第一异常堵块，同时，终端显示第一异常堵块的预计通行速度。可选的，终端分别获取第一异常堵块包括的n个拥堵路段的n个实时通行速度和n个路段里程，累计每个路段的预计通行时长(路段里程/实时通行速度)，即可得到第一异常堵块的预计通行时长，最后将第一异常堵块的总道路里程与第一异常堵块的预计通行时长的比值，作为第一异常堵块的预计通行速度。
[0124]
在一个实施例中，终端高亮显示第一异常堵块，同时，终端显示第一异常堵块的预计通行时长，同上所述，已经介绍第一异常堵块的预计通行时长的可能的计算方式。
[0125]
在一个实施例中，终端高亮显示第一异常堵块，同时，终端显示第一异常堵块的综合异常程度。可选的，综合异常程度是基于n个拥堵路段的n个路段里程与n个异常程度进行加权运算得到的，比如，拥堵路段的路段里程越长，则该拥堵路段的异常程度占综合异常程度的权重越大。异常程度用于衡量拥堵路段在当前时间段的拥堵情况与在历史时间段的拥堵情况之间的差异，可选的，异常程度用于衡量拥堵路段的实时路况信息与历史路况信息之间的差异，关于异常程度的可能的计算方式将在下述第一至第四种可能的异常判断方式进行介绍，此处暂不展开描述。
[0126]
在一个实施例中，终端高亮显示第一异常堵块，同时，终端显示第一异常堵块的综合拥堵指数。可选的，综合拥堵指数是基于n个拥堵路段的预计通行时长与自由流通时长的比值得到的，其中，自由流通时长是拥堵路段在不受路况信息影响下的通行时长，即，自由流通时长可理解为在路段上没有车辆、道路没有损坏的情况下，出行者通过该路段的时长(可能是以被允许的最高速度通过该路段，也可能是以被允许的速度范围的平均速度通过该路段)。
[0127]
综上所述，通过设置多级标记n个拥堵路段的方式，对于显示粒度较大的地图界面，提供了一种标记异常堵块的方式，避免原先承载大量信息的地图界面再过多占用区域来标记异常堵块，使得地图界面更加简洁美观。
[0128]
并且，出行者或交通管理者可通过触发异常堵块图标，观察到高亮的异常拥堵路线或异常拥堵区域，出行者或交通管理者可直观知悉异常堵块的位置和详细信息。
[0129]
为突出显示当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异较大的异常拥堵路段，图7是本技术一个示例性实施例提供的标记n个拥堵路段的显示方法的流程图，以该方法由图1所示的终端120(或终端120上运行的支持电子地图的应用程序)执行进行举例说明，图7所示的方法可以用于替换图2所示的“标记n个拥堵路段”的步骤，图7所示的方法包括第三和第四种可能的标记方式，该方法包括：
[0130]
步骤720，在地图界面上显示异常堵块列表，异常堵块列表显示由n个拥堵路段聚合得到的k个异常堵块的名称，k个异常堵块包括第一异常堵块；
[0131]
在本实施例中，终端会获取基于满足异常条件的n个拥堵路段聚合得到的k个异常堵块，每个拥堵路段均不重复聚合，k个异常堵块中的第一异常堵块包括n个拥堵路段中的n个拥堵路段，其中，k为正整数，n为不大于n的正整数。第一异常堵块是k个异常堵块中的任意一个。关于n个拥堵路段聚合得到k个异常堵块的聚合方式将在下述图9和图12所示的实施例展开详细介绍。
[0132]
在一个可选的实施例中，k个异常堵块为当前批次生成的异常堵块，k个异常堵块的名称可能是继承前一批次的异常堵块的名称，也可能是生成的当前批次的k个异常堵块的候选名称。可选的，相邻批次的时间间隔为分钟级的时间间隔。
[0133]
示意性的，针对当前批次的k个异常堵块中的第一异常堵块，终端聚合得到第一异常堵块的同时，终端还生成第一异常堵块的候选名称，比如，第一异常堵块包括拥堵路段1(起点a
→
终点b)、拥堵路段2(起点b
→
终点c)和拥堵路段3(起点c
→
终点d)，则生成第一异常堵块的候选名称“ad道路”。又比如，第一异常堵块包括拥堵路段4、拥堵路段5和拥堵路段6，拥堵路段4、5、6均属于北京市朝阳区，则生成第一异常堵块的候选名称“北京朝阳”。
[0134]
在第一异常堵块与前一批次生成的第二异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，终端将上述生成的第一异常堵块的异常堵块的候选名称，作为最终的第一异常堵块的名称，即，终端更新显示第一异常堵块的名称。示意性的，第一异常堵块具有的拥堵路段为(1，2，3，4)，第二异常堵块具有的拥堵路段为(1，5，6，7，8)，第一异常堵块与第二异常堵块的重合率为25％，小于重合率阈值60％，则更新显示第一异常堵块的名称。其中，第二异常堵块为前一批次生成的异常堵块中的任意一个。
[0135]
在第一异常堵块与前一批次生成的第二异常堵块中具有的拥堵路段的重合率不小于重合率阈值的情况下，终端将第二异常堵块的名称，作为最终的第一异常堵块的名称，即，终端保留显示第二异常堵块的名称。示意性的，第一异常堵块具有的拥堵路段为(1，2，3，4)，第二异常堵块具有的拥堵路段为(1，2，3，4，5)，第一异常堵块与第二异常堵块的重合率为100％，大于重合率阈值60％，则保留显示前一批次的第二异常堵块的名称。其中，第二异常堵块为前一批次生成的异常堵块中的任意一个。
[0136]
示意性的，图8示出了异常堵块列表，异常堵块列表801示出了5个异常堵块的名称，图8采用“第一至第五异常堵块”表示异常堵块的名称。可选的，异常堵块列表801还示出了每个异常堵块的信息，比如，异常堵块的总道路里程。
[0137]
步骤740，响应于异常堵块列表接收到第一异常堵块的选择操作，突出显示第一异常堵块；
[0138]
可选的，第一异常堵块的选择操作包括在第一异常堵块的名称处的单击操作、双击操作、长按操作、压力触控、悬浮触控、任意滑动操作和滑动至指定区域的操作等等。
[0139]
终端突出显示第一异常堵块的方式，包括：高亮、加粗、添加特效、改变颜色等。
[0140]
可选的，响应于异常堵块列表接收到第一异常堵块的选择操作，终端高亮显示第一异常堵块，第一异常堵块的表现形式包括异常拥堵路线和异常拥堵区域。
[0141]
具体关于异常拥堵路线和异常拥堵区域的详细描述，请参考上述步骤340，此处不再赘述。
[0142]
步骤760，显示第一异常堵块的详细信息。
[0143]
在一个实施例中，终端显示第一异常堵块的详细信息，包括以下中的至少一种：
[0144]
显示第一异常堵块的总道路里程；
[0145]
显示第一异常堵块的预计通行速度；
[0146]
显示第一异常堵块的预计通行时长；
[0147]
显示第一异常堵块的综合异常程度；
[0148]
显示第一异常堵块的综合拥堵指数。
[0149]
具体关于第一异常堵块的详细信息的介绍，请参考上述步骤360，此处不再赘述。
[0150]
综上所述，通过设置多级标记n个拥堵路段的方式，对于显示粒度较大的地图界面，提供了一种标记异常堵块的方式，避免原先承载大量信息的地图界面再过多占用区域来标记异常堵块，使得地图界面更加简洁美观。
[0151]
并且，出行者或交通管理者可通过触发异常堵块列表，观察到高亮的异常拥堵路线或异常拥堵区域，出行者或交通管理者可直观知悉异常堵块的位置和详细信息。
[0152]
基于图2所示的可选实施例中，步骤220之后终端会逐一判断并获取m个拥堵路段中满足异常条件的n个拥堵路段。针对m个拥堵路段中的一个，基于拥堵路段在当前时间段的实时路况信息与历史时间段的历史路况信息之间的差异满足预警条件，终端确定拥堵路段属于n个拥堵路段。终端判断拥堵路段是否满足异常拥堵条件可能通过以下四种异常判断方式的任意一种进行判断：
[0153]
第一种可能的异常判断方式：终端获取拥堵路段在当前时间段的实时通行速度；终端获取拥堵路段在历史时间段的历史通行速度；基于实时通行速度与历史通行速度之间的绝对差值不小于第一阈值，终端确定拥堵路段属于n个拥堵路段。
[0154]
在一个实施例中，第一种可能的异常判断方式具体可以包括以下步骤：针对m个拥堵路段中的一个：
[0155]
首先，终端获取拥堵路段在当天的第一时刻的实时通行速度，其中，第一时刻为当前时刻；
[0156]
然后，终端获取拥堵路段的历史通行速度，历史通行速度是拥堵路段在第一日期范围内的第一时刻的通行速度的平均值，其中，第一日期范围包括多个预设的历史日期；
[0157]
最后，终端基于实时通行速度与历史通行速度的绝对差值不小于第一阈值，确定拥堵路段属于n个拥堵路段。
[0158]
可选的，终端还基于预设的映射关系，将实时通行速度与历史通行速度的绝对差值，映射得到该拥堵路段的异常程度。
[0159]
可选的，拥堵路段的实时通行速度是基于第一时刻的附近时刻的历史通行速度得到的。比如，第一时刻的前一分钟内该拥堵路段的通行速度为14km/h,第一时刻的前两分钟至前一分钟内该拥堵路段的通行速度为15km/h，第一时刻的前三分钟至前两分钟内该拥堵
路段的通行速度为16km/h，则认为该拥堵路段的实时通行速度为前三分钟的通行速度的平均值15km/h。该示例仅为简单介绍，具体关于实时通行速度的计算方式还可能存在其他情况，本技术对实时通行速度的计算方式并不加以限定。
[0160]
示意性的，终端获取拥堵路段在当天的15:44(15:44为第一时刻)的实时通行速度为15km/h，终端获取拥堵路段在前5天(前五天为第一日期范围)的15:44的通行速度，分别为30km/h、30km/h、29.5km/h、30.5km/h和35km/h，计算得到该拥堵路段在前5天的15:44的通行速度的平均值为31km/h，确定历史通行速度与实时通行速度的差值16km/h不小于第一阈值5km/h，确定该拥堵路段满足异常条件，即该拥堵路段属于n个拥堵路段。
[0161]
示意性的，终端基于预设的映射关系，将历史通行速度与实时通行速度的差值16km/h，映射得到该拥堵路段的异常程度16。
[0162]
综上所述，通过拥堵路段的实时通行速度和历史通行速度之间的差异，判断该拥堵路段是否满足异常拥堵条件，提供了一种异常判断方式，技术人员可直接采用该方法对异常的拥堵路段进行筛选，并进行后续的操作。
[0163]
第二种可能的异常判断方式：终端获取拥堵路段在当前时间段的实时拥堵概率；终端获取拥堵路段在历史时间段的历史拥堵概率；基于实时拥堵概率与历史拥堵概率之间的绝对差值不小于第二阈值，终端确定拥堵路段属于n个拥堵路段。
[0164]
在一个实施例中，第二种可能的异常判断方式具体可以包括以下步骤：针对m个拥堵路段中的一个：
[0165]
首先，终端计算拥堵路段在当天的第一时段的实时拥堵概率，第一时段为距离当前时刻最近的预设时段；
[0166]
然后，终端计算拥堵路段的历史拥堵概率，历史拥堵概率是第二日期范围内的第一时段的拥堵概率的平均值，第二日期范围包括多个预设的历史日期；
[0167]
最后，基于实时拥堵概率与历史拥堵概率之间的绝对差值不小于第二阈值，终端确定拥堵路段属于n个拥堵路段；
[0168]
其中，拥堵概率是通过计算拥堵路段在第一时段内处于拥堵状态的时长与第一时段的总时长的比例得到的。
[0169]
可选的，终端还基于预设的映射关系，将实时拥堵概率与历史拥堵概率之间的绝对差值，映射得到该拥堵路段的异常程度。
[0170]
示意性的，终端获取拥堵路段在当天的15:00至15:30(15:00至15:30为第一时段，当前时刻为15:44)内处于拥堵状态的时长为15分钟，则实时拥堵概率为50％。终端还获取拥堵路段在前五天(第二日期范围)的15:00至15:30的拥堵概率，分别为30％、31％、32％、29％和28％，则该拥堵路段的历史拥堵概率为30％，终端确定实时拥堵概率50％与历史拥堵概率30％的绝对差值20％不小于第二阈值5％，确定该拥堵路段满足异常条件，确定该拥堵路段属于n个拥堵路段。
[0171]
示意性的，终端基于预设的映射关系，将实时拥堵概率与历史拥堵概率的差值20％，映射得到该拥堵路段的异常程度0.2。
[0172]
综上所述，通过拥堵路段的实时拥堵概率和历史拥堵概率之间的差异，判断该拥堵路段是否满足异常拥堵条件，提供了一种异常判断方式，技术人员可直接采用该方法对异常的拥堵路段进行筛选，并进行后续的操作。
[0173]
第三种可能的异常判断方式：终端获取拥堵路段的预设距离范围内的路段集合，终端计算在当前时间段路段集合的实时路况信息的平均值；终端计算在历史时间段路段集合的历史路况信息的平均值；基于实时路况信息的平均值与历史路况信息的平均值之间的绝对差值不小于第三阈值，终端确定拥堵路段属于n个拥堵路段；
[0174]
其中，实时路况信息包括实时通行速度、历史路况信息包括历史通行速度；或，实时路况信息包括实时拥堵概率、历史路况信息包括历史拥堵概率。
[0175]
在一个实施例中，第三种可能的异常判断方式具体可以包括以下步骤：针对m个拥堵路段中的一个：
[0176]
首先，终端获取拥堵路段的预设距离范围内的路段集合；
[0177]
然后，终端计算路段集合的实时路况信息的平均值；
[0178]
接着，终端计算路段集合的历史路况信息的平均值；
[0179]
最后，终端基于实时路况信息的平均值与历史路况信息的平均值之间的绝对差值不小于第三阈值，确定拥堵路段属于n个拥堵路段。
[0180]
关于实时通行速度、实时拥堵概率、历史通行速度和历史拥堵概率的计算方式，可结合参考上述第一和第二种可能的异常判断方式。
[0181]
可选的，终端还基于预设的映射关系，将实时路况信息的平均值与历史路况信息的平均值之间的绝对差值，映射得到该拥堵路段的异常程度。
[0182]
示意性的，终端获取拥堵路段附近1km的路段集合(该拥堵路段、路段1、路段2、路段3)，终端计算该路段集合的实时通行速度的平均值为20km/h，终端还计算该路段集合的历史通行速度的平均值30km/h，终端确定该实时通行速度的平均值与历史通行速度的平均值之间的绝对差值10km/h不小于第三阈值5km/h，终端确定拥堵路段属于n个拥堵路段。
[0183]
示意性的，终端基于预设的映射关系，将实时通行速度的平均值与历史通行速度的平均值之间的绝对差值10km/h，映射得到该拥堵路段的异常程度10。
[0184]
综上所述，通过拥堵路段的预设距离范围内的路段集合的实时通行速度和历史通行速度之间的差异，判断该拥堵路段是否满足异常拥堵条件，提供了一种异常判断方式，技术人员可直接采用该方法对异常的拥堵路段进行筛选，并进行后续的操作。
[0185]
第四种可能的异常判断方式：针对m个拥堵路段中的一个：
[0186]
终端获取拥堵路段的实时路况信息，之后，终端基于拥堵路段的实时路况信息，通过路段分类模型确定拥堵路段属于n个拥堵路段；
[0187]
其中，路段分类模型是基于拥堵路段的历史路况信息训练得到的机器学习模型，实时路况信息包括实时通行速度和实时拥堵概率中的至少一种，历史路况信息包括历史通行速度和历史拥堵概率中的至少一种。
[0188]
在一个实施例中，样本路况信息集包括携带有异常标签的第一样本路况信息集和携带有正常标签的第二样本路况信息集，将第一样本路况信息集输入路段分类模型，在异常标签的指导下对路段分类模型进行训练，以及将第二样本路况信息集输入路段分类模型，在正常标签的指导下对路段分类模型进行训练。可选的，样本路况信息集可以是当前针对的拥堵路段的历史路况信息集，也可以是其他拥堵路段的历史路况信息集。
[0189]
可选的，标签还可以指示路段的异常程度，此时标签不采用0、1判断是否异常。示意性的，路段的异常程度可划分为0、0.2、0.4、0.6、0.8和1.0，0和0.2指示正常标签，0.4、
0.6和0.8指示异常标签。因此，基于样本路况信息集还可训练路段分类模型输出拥堵路段的异常程度。
[0190]
可选的，路段分类模型可以是gbdt(gradient boosting decision tree，梯度提升决策树)模型，也可以是其他决策树模型。
[0191]
综上所述，通过机器学习模型(路段分类模型)对拥堵路段进行分类，加快了判断拥堵路段是否异常的速率，并且，训练得到的路段分类模型可结合更多的路况信息对拥堵路段是否异常进行判断，上述方法提供了一种异常判断方式，技术人员可直接采用该方法对异常的拥堵路段进行筛选，并进行后续的操作。
[0192]
基于图3和图7所示的可选实施例中，均涉及终端获取基于满足异常条件的n个拥堵路段聚合得到的k个异常堵块，下面将介绍由n个拥堵路段不重复聚合得到k个异常堵块的两种聚合方法。可选的，若k个异常堵块中任一异常堵块表现为异常拥堵路线，则采用下述第一种聚合方法；若k个异常堵块中任一异常堵块表现为异常拥堵区域，则采用下述第二种聚合方法。
[0193]
图9示出了本技术一个示例性实施例提供的第一种聚合方法的流程图，以该方法应用于图1所示的终端120进行举例说明，第一种聚合方法包括：
[0194]
步骤901，设置n个拥堵路段构成拥堵路段序列；
[0195]
终端设置n个拥堵路段构成拥堵路段序列。
[0196]
步骤902，基于n个拥堵路段的异常程度和地理位置，获取第i条异常拥堵路线；
[0197]
在一个实施例中，结合参考图10，步骤902可进一步划分为以下步骤：
[0198]
902-1，从拥堵路段序列中获取异常程度最高的目标拥堵路段，目标拥堵路段是第i条异常拥堵路线中的路段；
[0199]
其中，异常程度用于衡量拥堵路段的实时路况信息与历史路况信息之间的差异。关于异常程度的可能的计算方式已在上述进行说明，此处不再赘述。
[0200]
902-2，从路网中获取与目标拥堵路段相连的第1路段；
[0201]
可选的，第1路段为目标拥堵路段的上游路段和下游路段中的至少一种。
[0202]
902-3，第j路段是否满足异常条件；
[0203]
终端判断第j路段是否满足异常条件。若第j路段满足异常条件，则执行902-4；若第j路段不满足异常条件，则执行902-7。其中，j的初始值为1；
[0204]
902-4，确定第j路段属于第i条异常拥堵路线；
[0205]
响应于第j路段满足异常条件，终端确定第j路段属于第i条异常拥堵路线。
[0206]
902-5，从路网中获取与第j路段继续相连的第j+1路段；
[0207]
终端接着从路网中获取与第j路段继续相连的第j+1路段。
[0208]
902-6，将j更新为j+1；
[0209]
终端将j更新为j+1，重新执行902-3。
[0210]
902-7，输出第i条异常拥堵路线。
[0211]
终端输出第i条异常拥堵路线。
[0212]
示意性的，图11示出了终端获取第i条异常拥堵路线的示意图，其中，目标拥堵路段1101通过尝试往上游和下游拓展，若上游的拥堵路段满足异常条件，则继续拓展，若下游的拥堵路段满足异常条件，则继续拓展。若上下游均无法继续拓展，则输出最终的第i条异
常拥堵路线。
[0213]
步骤903，从拥堵路段序列中剔除第i条异常拥堵路线；
[0214]
终端从拥堵路段序列中剔除上述获取的第i条异常拥堵路线具有的拥堵路段。
[0215]
步骤904，将i更新为i+1；
[0216]
终端将i更新为i+1，并执行步骤905。其中，i的初始值为1。
[0217]
步骤905，n个拥堵路段是否全部聚合为异常拥堵路线；
[0218]
终端判断n个拥堵路段是否全部聚合为异常拥堵路线；若是，则执行步骤906，若否，则执行步骤902。
[0219]
步骤906，将获取的k条异常拥堵路线输出为k个异常堵块；
[0220]
终端将获取的k条异常拥堵路线输出为k个异常堵块。
[0221]
综上所述，通过不断拓展上下游路段，最终得到m条异常拥堵路线，提供了一种基于n个拥堵路段聚合得到k个异常堵块的方式。可选的，对于高速公路和城市快速路等高等级道路而言，该聚合方式更符合高等级道路的特性，高等级道路的道路规格较高，在主流方向上没有较大的分叉路口，当车辆从分叉路口汇入高等级道路时，对高等级道路上行驶的车流影响较小。
[0222]
参考图12，图12示出了本技术一个示例性实施例提供的第二种聚合方法的流程图，以该方法应用于图1所示的终端120进行举例说明，第二种聚合方法包括：
[0223]
步骤1201，设置n个拥堵路段构成拥堵路段序列；
[0224]
终端设置n个拥堵路段构成拥堵路段序列。
[0225]
步骤1202，基于n个拥堵路段的异常程度和地理位置，获取第p个异常拥堵区域；
[0226]
其中，异常程度用于衡量拥堵路段的实时路况信息与历史路况信息之间的差异，p的初始值为1。关于异常程度的可能的计算方式已在上述第一至第四种可能的异常判断方式进行说明，此处不再赘述。
[0227]
结合参考图13，步骤1202可以进一步划分为以下步骤：
[0228]
1202-1，从拥堵路段序列中获取异常程度最高的目标拥堵路段，目标拥堵路段为第p个异常拥堵区域覆盖的路段；
[0229]
终端从拥堵路段序列中获取异常程度最高的目标拥堵路段，并将目标拥堵路段确定为第p个异常拥堵区域覆盖的路段。
[0230]
1202-2，从路网中确定目标拥堵路段的第q距离范围内满足异常条件的nq个拥堵路段；
[0231]
终端从路网中确定目标拥堵路段的第q距离范围内满足异常条件的nq个拥堵路段，第q距离范围为预设的距离范围，可选的，任意两个距离范围均不同，第q+1距离范围大于第q距离范围。其中，q的初始值为1，nq为正整数。
[0232]
1202-3，nq个拥堵路段的综合异常程度是否达到异常程度阈值；
[0233]
终端判断nq个拥堵路段的综合异常程度是否达到异常程度阈值，若是，执行1202-4，若否，执行1202-6。其中，综合异常程度是基于n个拥堵路段的n个路段里程与n个异常程度进行加权运算得到的，比如，拥堵路段的路段里程越长，则该拥堵路段的异常程度占综合异常程度的权重越大。
[0234]
1202-4，确定nq个拥堵路段为第p个异常拥堵区域覆盖的路段子集；
[0235]
终端确定第q距离范围内满足异常条件的nq个拥堵路段为第p个异常拥堵区域覆盖的路段子集。
[0236]
1202-5，将q更新为q+1；
[0237]
终端将q更新为q+1。
[0238]
1202-6，输出第p个异常拥堵区域。
[0239]
终端输出第p个异常拥堵区域。
[0240]
示意性的，图14示出了终端确定第p个异常拥堵区域的示意图，示意性的，在目标拥堵路段的第1距离范围1401内满足异常条件的拥堵路段的综合异常程度达到异常程度阈值的情况下，终端检测目标拥堵路段的第2距离范围1402内满足异常条件的拥堵路段的综合异常程度是否达到异常程度阈值，若达到异常程度阈值，终端继续检测目标拥堵路段的第3距离范围1403内满足异常条件的拥堵路段的综合异常程度是否达到异常程度阈值，若未达到异常程度阈值，终端停止检测，并将第3距离范围1403内满足异常条件的拥堵路段，确定为第p个异常拥堵区域覆盖的路段。
[0241]
步骤1203，从拥堵路段序列中剔除第p个异常拥堵区域覆盖的拥堵路段；
[0242]
终端从拥堵路段序列中剔除第p个异常拥堵区域覆盖的所有的拥堵路段。
[0243]
步骤1204，将p更新为p+1；
[0244]
终端将p更新为p+1。
[0245]
步骤1205，n个拥堵路段是否全部聚合为异常拥堵区域；
[0246]
终端判断n个拥堵路段是否全部聚合为异常拥堵区域，若是，执行步骤1206，若否，则执行步骤1202。
[0247]
步骤1206，将获取的m个异常拥堵区域输出为k个异常堵块；
[0248]
终端将获取的k个异常拥堵区域输出为k个异常堵块。
[0249]
综上所述，通过不断拓展周边面域，最终得到k个异常拥堵区域，提供了一种基于n个拥堵路段聚合得到k个异常堵块的方式。可选的，对于地面道路而言，该聚合方式更符合地面道路的特性，地面道路四通八达，从每个分叉路口汇入的车辆对原先道路的行驶状态产生较大影响。
[0250]
为突出显示当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异较大的异常拥堵路段，图15示出了本技术一个示例性实施例提供的拥堵路段的显示方法的流程图，以该方法由图1所示的服务器140执行进行举例说明，该方法可用于替换图2所示的步骤240，该方法包括：
[0251]
步骤1501，开始；
[0252]
服务器开始执行发布异常堵块的方法。
[0253]
步骤1502，逐一判断当前批次的m个拥堵路段中单个拥堵路段是否异常；
[0254]
在一个实施例中，服务器判断拥堵路段的实时通行速度与历史通行速度之间的差值达到阈值，则认定该拥堵路段异常。
[0255]
在另一个实施例中，服务器判断拥堵路段的实时拥堵概率与历史拥堵概率之间的差值达到阈值，则认定该拥堵路段异常。
[0256]
在另一个实施例中，服务器获取拥堵路段预设距离范围内的路段集群，若该路段集群的实时路况信息与历史路况信息之间的差异满足条件，则认定该拥堵路段异常。
[0257]
在另一个实施例中，服务器可通过机器学习模型判断拥堵路段是否异常。
[0258]
可选的，服务器将上述输出的绝对差值作为拥堵路段的异常程度。
[0259]
步骤1503，将m个拥堵路段中异常的拥堵路段进行聚合；
[0260]
在一个实施例中，服务器对m个拥堵路段中异常的所有拥堵路段分为两组，比如，将城市快速路和高速公路归为一组，称为：高等级道路；将其他道路归为一组，称为：地面道路。可选的，在各组内按照路段的异常程度进行排序。
[0261]
针对高等级道路，服务器采取“上下游线型聚合”的方法。
[0262]
1、从高等级道路组内取出异常程度最高的路段；
[0263]
2、按照道路连通关系，依次检查该路段的上下游路段，看其是否也属于异常。如果是，则对其进行扩充；如果否，则中断这个方向上的扩充。上游和下游的扩充都停止后，得到最终表现为异常拥堵路线的异常堵块。凡是包含在该异常堵块中的异常路段，全部从高等级道路组中剔除。
[0264]
3、重复执行1～2的步骤，直至高等级道路组中无拥堵路段。
[0265]
针对地面道路组，服务器采取“周边面域聚合”的方法。
[0266]
1、从地面道路组内取出异常程度最高的路段；
[0267]
2、依据道路连通关系和空间位置关系，以该路段为中心，尝试向其周边扩展一定范围，例如：扩展200米。计算扩展得到的所有路段的平均异常程度(对于未判定为异常的路段，其异常程度为0)。如果平均异常程度超过指定的阈值，则确认本次扩充。然后，继续尝试向更外面一层的周边扩展。如果平均异常程度低于指定的阈值，则停止扩展。最终，得到表现为异常拥堵区域的异常堵块。凡是包含在该异常堵块中的异常路段，全部从地面道路组中剔除。
[0268]
3、重复执行1～2的步骤，直至地面道路组中无拥堵路段。
[0269]
步骤1504，计算异常堵块的深度信息；
[0270]
针对上述输出的表现为异常拥堵路线的异常堵块和表现为异常拥堵区域的异常堵块，遍历其所包含的路段的几何信息和路况信息，计算深度信息。
[0271]
对于表现为异常拥堵路线的异常堵块，计算：唯一性id(异常堵块的名称)、中心点位置(在界面显示的异常拥堵图标位置)、综合异常程度、总道路里程、预计通行速度、预计通过时长等。
[0272]
对于表现为异常拥堵区域的异常堵块，计算：唯一性id(异常堵块的名称)、中心点位置(在界面显示的异常拥堵图标位置)、区域边界多边形坐标点串(异常拥堵区域的边界坐标)、综合异常程度、区域拥堵指数(区域内所有异常拥堵路段的预计通行时长与自由通行时长之比)等。
[0273]
步骤1505，基于前一批次输出的异常堵块进行继承或更新；
[0274]
对于当前批次计算得到的某个异常堵块a，如果与前一批次发布的某个异常堵块b所包含的拥堵路段的重合比例超过一定阈值，则认为a和b是同一个堵块，仅仅是空间范围发生小幅的变化。此时，保持b的唯一性id和中心点位置不变，用a的最新的深度信息来更新b的深度信息，然后删除a。
[0275]
如果与前一批次发布的某个异常堵块b所包含的拥堵路段的重合比例未超过一定阈值，则采用a的唯一性id、中心点位置和其他深度信息。
[0276]
步骤1506，清理已过期的异常堵块；
[0277]
服务器遍历所有的异常堵块，如果其最后更新时间与当前时刻之差，已经超过指定阈值(例如：5分钟)，则认为该异常堵块已经过期，并删除该异常堵块。
[0278]
步骤1507，发布异常堵块；
[0279]
服务器面向各个可能的产品呈现渠道，发布新一批的异常堵块数据。
[0280]
基于上述步骤1505的继承或更新处理后的异常堵块，在之后一段时间内，其唯一性id和中心点位置也将保持稳定，直至计算下一批异常堵块。
[0281]
步骤1508，结束。
[0282]
服务器结束执行发布异常堵块的方法。
[0283]
综上所述，异常堵块的出现，通常是由交通需求的局部突变、路上突发事件或事故、特殊天气等特殊因素导致的，通过生成实时路况信息与历史路况信息满足异常条件的异常堵块，可以为出行者和交通管理者作出决策提供了更多的参考信息，进而提高了决策的准确性。
[0284]
例如，出行者发现往常这个时间点轻微拥堵的路段，在此刻变得异常拥堵，出行者改变原来汽车出行的方式，转变为地铁出行，这一决策无疑大大缩短了出行者的通行时长，提高了出行者的通行效率。
[0285]
例如，交通管理者发现在往常这个时间点仅属于轻微拥堵的路段，在此刻变得异常拥堵，交通管理者快速锁定异常拥堵的路段，并作出围绕着该路段进行道路管理的决策。
[0286]
下面将介绍一种基于拥堵路段的确定方法，该方法应用于服务器，该方法包括：
[0287]
获取目标地理区域的m个拥堵路段，m为正整数；
[0288]
确定m个拥堵路段中满足异常拥堵条件的n个拥堵路段，异常拥堵条件指示拥堵路段在当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异满足预警阈值，n为不大于m的正整数；
[0289]
输出n个拥堵路段。
[0290]
在一个实施例中，服务器确定m个拥堵路段中满足异常拥堵条件的n个拥堵路段，包括：服务器针对m个拥堵路段中的一个，基于拥堵路段在当前时间段的实时路况信息与历史时间段的历史路况信息之间的差异满足预警阈值，确定拥堵路段属于n个拥堵路段。
[0291]
可选的，服务器获取拥堵路段在当前时间段的实时通行速度；获取拥堵路段在历史时间段的历史通行速度；基于实时通行速度与历史通行速度之间的绝对差值不小于第一阈值，确定拥堵路段属于n个拥堵路段。
[0292]
可选的，服务器获取拥堵路段在当前时间段的实时拥堵概率；获取拥堵路段在历史时间段的历史拥堵概率；基于实时拥堵概率与历史拥堵概率之间的绝对差值不小于第二阈值，确定拥堵路段属于n个拥堵路段。
[0293]
可选的，服务器获取拥堵路段的预设距离范围内的路段集合；计算在当前时间段路段集合的实时路况信息的平均值；计算在历史时间段路段集合的历史路况信息的平均值；基于实时路况信息的平均值与历史路况信息的平均值之间的绝对差值不小于第三阈值，确定拥堵路段属于n个拥堵路段；其中，实时路况信息包括实时通行速度、历史路况信息包括历史通行速度；或，实时路况信息包括实时拥堵概率、历史路况信息包括历史拥堵概率。
[0294]
可选的，服务器获取拥堵路段在当前时间段的实时路况信息；基于拥堵路段的实时路况信息，通过路段分类模型确定拥堵路段属于n个拥堵路段；其中，路段分类模型是基于拥堵路段的历史路况信息训练得到的机器学习模型，实时路况信息包括实时通行速度和实时拥堵概率中的至少一种，历史路况信息包括历史通行速度和历史拥堵概率中的至少一种。
[0295]
在一个实施例中，服务器输出n个拥堵路段，包括：服务器通过聚合n个拥堵路段，生成k个异常堵块。服务器通过聚合n个拥堵路段，生成k个异常堵块，包括：服务器将n个拥堵路段不重复聚合得到k个异常堵块。
[0296]
可选的，k个异常堵块中任一异常堵块表现为异常拥堵路线；服务器设置n个拥堵路段构成拥堵路段序列；基于n个拥堵路段的异常程度和地理位置，获取第i条异常拥堵路线；从拥堵路段序列中剔除第i条异常拥堵路线；将i更新为i+1；重新执行基于n个拥堵路段的异常程度和地理位置，获取第i条异常拥堵路线，从拥堵路段序列中剔除第i条异常拥堵路线，将i更新为i+1的步骤，直至n个拥堵路段全部聚合为异常拥堵路线；将获取的k条异常拥堵路线输出为k个异常堵块；其中，异常程度用于衡量拥堵路段的实时路况信息与历史路况信息之间的差异，i的初始值为1。
[0297]
针对聚合得到第i条异常拥堵路线，服务器从拥堵路段序列中获取异常程度最高的目标拥堵路段，目标拥堵路段是第i条异常拥堵路线中的路段；从路网中获取与目标拥堵路段相连的第1路段；在第j路段满足异常条件的情况下，确定第j路段属于第i条异常拥堵路线；从路网中获取与第j路段继续相连的第j+1路段；将j更新为j+1；重新执行在第j路段满足异常条件的情况下，确定第j路段属于第i条异常拥堵路线，从路网中获取与第j路段继续相连的第j+1路段，将j更新为j+1的步骤，j的初始值为1；在第j路段不满足异常条件的情况下，输出第i条异常拥堵路线。
[0298]
可选的，k个异常堵块中任一异常堵块表现为异常拥堵区域；服务器设置n个拥堵路段构成拥堵路段序列；基于n个拥堵路段的异常程度和地理位置，获取第p个异常拥堵区域；从拥堵路段序列中剔除第p个异常拥堵区域覆盖的拥堵路段；将p更新为p+1；重新执行基于n个拥堵路段的异常程度和地理位置，获取第p个异常拥堵区域，从拥堵路段序列中剔除第p个异常拥堵区域覆盖的拥堵路段，将p更新为p+1的步骤，直至n个拥堵路段全部聚合为异常拥堵区域；将获取的k个异常拥堵区域输出为k个异常堵块；其中，异常程度用于衡量拥堵路段的实时路况信息与历史路况信息之间的差异，p的初始值为1。
[0299]
针对聚合得到第p个异常拥堵区域，服务器从拥堵路段序列中获取异常程度最高的目标拥堵路段，目标拥堵路段为第p个异常拥堵区域覆盖的路段；从路网中确定目标拥堵路段的第q距离范围内满足异常条件的nq个拥堵路段；在nq个拥堵路段的综合异常程度达到异常程度阈值的情况下，确定nq个拥堵路段为第p个异常拥堵区域覆盖的路段子集；将q更新为q+1；重新执行从路网中确定目标拥堵路段的第q距离范围内满足异常条件的nq个拥堵路段；在nq个拥堵路段的综合异常程度达到异常程度阈值的情况下，确定nq个拥堵路段为第p个异常拥堵区域覆盖的拥堵路段子集，将q更新为q+1的步骤；q的初始值为1，nq为正整数；在nq个拥堵路段的综合异常程度未达到异常程度阈值的情况下，输出第p个异常拥堵区域，综合异常程度是基于nq个拥堵路段的nq个路段里程与nq个异常程度进行加权运算得到的。
[0300]
值得说明的是，关于基于拥堵路段的确定方法，其与上述拥堵路段的显示方法的
实施例中的相关内容类似，更为详细的内容可参考上述拥堵路段的显示方法的所有实施例。
[0301]
需要说明的一点是，上述所有的方法实施例由终端执行或服务器执行仅起到示例性作用，实际上，上述所有的方法实施例可由终端和服务器协同执行，或仅由终端执行、或仅由服务器执行，本技术对上述所有的方法实施例的执行主体不加以限定。
[0302]
图16示出了本技术一个示例性实施例提供的拥堵路段的显示装置的结构框图，该装置包括：
[0303]
显示模块1601，用于显示目标地理区域的地图界面，目标地理区域包括m个拥堵路段，m为正整数；
[0304]
标记模块1602，用于响应于m个拥堵路段中的n个拥堵路段满足异常拥堵条件，标记n个拥堵路段，异常拥堵条件指示拥堵路段的拥堵情况的异常程度满足预警条件，n为不大于m的正整数。
[0305]
在一个可选的实施例中，标记模块1602还用于在地图界面上显示k个异常堵块图标，k个异常堵块图标与由n个拥堵路段聚合得到的k个异常堵块一一对应，k个异常堵块包括第一异常堵块，k为正整数。
[0306]
在一个可选的实施例中标记模块1602，还用于响应于第一异常堵块的异常堵块图标接收到触发操作，突出显示第一异常堵块。
[0307]
在一个可选的实施例中，标记模块1602还用于在地图界面上显示异常堵块列表，异常堵块列表显示由n个拥堵路段聚合得到的k个异常堵块的名称，k个异常堵块包括第一异常堵块，k为正整数。
[0308]
在一个可选的实施例中，标记模块1602还用于响应于异常堵块列表接收到第一异常堵块的选择操作，突出显示第一异常堵块。
[0309]
在一个可选的实施例中，第一异常堵块包括n个拥堵路段中的n个拥堵路段，n为正整数，第一异常堵块的空间表现形式包括异常拥堵路线或异常拥堵区域。
[0310]
在一个可选的实施例中，标记模块1602还用于高亮显示属于第一异常堵块的异常拥堵路线，在n的值大于1的情况下，n个拥堵路段在异常拥堵路线中首尾相连。
[0311]
在一个可选的实施例中，标记模块1602还用于高亮显示属于第一异常堵块的异常拥堵区域，异常拥堵区域覆盖n个拥堵路段。
[0312]
在一个可选的实施例中，标记模块1602还用于显示第一异常堵块的详细信息。
[0313]
在一个可选的实施例中，第一异常堵块的详细信息包括以下中的至少一种：
[0314]
显示第一异常堵块的总道路里程；
[0315]
显示第一异常堵块的预计通行速度；
[0316]
显示第一异常堵块的预计通行时长；
[0317]
显示第一异常堵块的综合异常程度；
[0318]
显示第一异常堵块的综合拥堵指数；
[0319]
其中，综合异常程度是基于n个拥堵路段的n个路段里程与n个异常程度进行加权运算得到的，异常程度用于衡量拥堵路段在当前时间段的拥堵情况与在历史时间段的拥堵情况之间的差异；综合拥堵指数是基于n个拥堵路段的预计通行时长与自由流通时长的比值得到的，自由流通时长是拥堵路段在不受路况信息影响下的通行时长。
[0320]
在一个可选的实施例中，该装置还包括确定模块1603。
[0321]
在一个可选的实施例中，确定模块1603用于针对m个拥堵路段中的一个，基于拥堵路段在当前时间段的实时路况信息与历史时间段的历史路况信息之间的差异满足预警阈值，确定拥堵路段属于n个拥堵路段。
[0322]
在一个可选的实施例中，确定模块1603还用于针对m个拥堵路段中的一个，获取拥堵路段在当天的第一时刻的实时通行速度。
[0323]
在一个可选的实施例中，确定模块1603还用于获取拥堵路段在当前时间段的实时通行速度。
[0324]
在一个可选的实施例中，确定模块1603还用于获取拥堵路段在历史时间段的历史通行速度。
[0325]
在一个可选的实施例中，确定模块1603还用于基于实时通行速度与历史通行速度之间的绝对差值不小于第一阈值，确定拥堵路段属于n个拥堵路段。
[0326]
在一个可选的实施例中，确定模块1603还用于获取拥堵路段在当前时间段的实时拥堵概率。
[0327]
在一个可选的实施例中，确定模块1603还用于获取拥堵路段在历史时间段的历史拥堵概率。
[0328]
在一个可选的实施例中，确定模块1603还用于获取拥堵路段的预设距离范围内的路段集合。
[0329]
在一个可选的实施例中，确定模块1603还用于计算在当前时间段路段集合的实时路况信息的平均值。
[0330]
在一个可选的实施例中，确定模块1603还用于计算在历史时间段路段集合的历史路况信息的平均值。
[0331]
在一个可选的实施例中，确定模块1603还用于基于实时路况信息的平均值与历史路况信息的平均值之间的绝对差值不小于第三阈值，确定拥堵路段属于n个拥堵路段；
[0332]
其中，实时路况信息包括实时通行速度、历史路况信息包括历史通行速度；或，实时路况信息包括实时拥堵概率、历史路况信息包括历史拥堵概率。
[0333]
在一个可选的实施例中，确定模块1603还用于获取拥堵路段的实时路况信息。
[0334]
在一个可选的实施例中，确定模块1603还用于基于拥堵路段的实时路况信息，通过路段分类模型确定拥堵路段属于n个拥堵路段。
[0335]
其中，路段分类模型是基于拥堵路段的历史路况信息训练得到的机器学习模型，实时路况信息包括实时通行速度和实时拥堵概率中的至少一种，历史路况信息包括历史通行速度和历史拥堵概率中的至少一种。
[0336]
在一个可选的实施例中，该装置还包括聚合模块1604。
[0337]
在一个可选的实施例中，聚合模块1604用于将n个拥堵路段不重复聚合得到k个异常堵块。
[0338]
在一个可选的实施例中，k个异常堵块中任一异常堵块表现为异常拥堵路线，聚合模块1604还用于设置n个拥堵路段构成拥堵路段序列。
[0339]
在一个可选的实施例中，聚合模块1604还用于基于n个拥堵路段的异常程度和地理位置，获取第i条异常拥堵路线；从拥堵路段序列中剔除第i条异常拥堵路线；将i更新为i
+1。
[0340]
在一个可选的实施例中，聚合模块1604还用于重新执行基于n个拥堵路段的异常程度和地理位置，获取第i条异常拥堵路线，从拥堵路段序列中剔除第i条异常拥堵路线，将i更新为i+1的步骤，直至n个拥堵路段全部聚合为异常拥堵路线。
[0341]
在一个可选的实施例中，聚合模块1604还用于将获取的k条异常拥堵路线输出为k个异常堵块。
[0342]
其中，异常程度用于衡量拥堵路段的实时路况信息与历史路况信息之间的差异，i的初始值为1。
[0343]
在一个可选的实施例中，聚合模块1604还用于从拥堵路段序列中获取异常程度最高的目标拥堵路段，目标拥堵路段是第i条异常拥堵路线中的路段。
[0344]
在一个可选的实施例中，聚合模块1604还用于从路网中获取与目标拥堵路段相连的第1路段。
[0345]
在一个可选的实施例中，聚合模块1604还用于在第j路段满足异常条件的情况下，确定第j路段属于第i条异常拥堵路线；从路网中获取与第j路段继续相连的第j+1路段；将j更新为j+1。
[0346]
在一个可选的实施例中，聚合模块1604还用于重新执行在第j路段满足异常条件的情况下，确定第j路段属于第i条异常拥堵路线，从路网中获取与第j路段继续相连的第j+1路段，将j更新为j+1的步骤，j的初始值为1。
[0347]
在一个可选的实施例中，聚合模块1604还用于在第j路段不满足异常条件的情况下，输出第i条异常拥堵路线。
[0348]
在一个可选的实施例中，k个异常堵块中任一异常堵块表现为异常拥堵区域，聚合模块1604还用于设置n个拥堵路段构成拥堵路段序列。
[0349]
在一个可选的实施例中，聚合模块1604还用于基于n个拥堵路段的异常程度和地理位置，获取第p个异常拥堵区域；从拥堵路段序列中剔除第p个异常拥堵区域覆盖的拥堵路段；将p更新为p+1。
[0350]
在一个可选的实施例中，聚合模块1604还用于重新执行基于n个拥堵路段的异常程度和地理位置，获取第p个异常拥堵区域，从拥堵路段序列中剔除第p个异常拥堵区域覆盖的拥堵路段，将p更新为p+1的步骤，直至n个拥堵路段全部聚合为异常拥堵区域。
[0351]
在一个可选的实施例中，聚合模块1604还用于将获取的k个异常拥堵区域输出为k个异常堵块。
[0352]
其中，异常程度用于衡量拥堵路段的实时路况信息与历史路况信息之间的差异，p的初始值为1。
[0353]
在一个可选的实施例中，聚合模块1604还用于从拥堵路段序列中获取异常程度最高的目标拥堵路段，目标拥堵路段为第p个异常拥堵区域覆盖的路段。
[0354]
在一个可选的实施例中，聚合模块1604还用于从路网中确定目标拥堵路段的第q距离范围内满足异常条件的nq个拥堵路段；在nq个拥堵路段的综合异常程度达到异常程度阈值的情况下，确定nq个拥堵路段为第p个异常拥堵区域覆盖的路段子集；将q更新为q+1。
[0355]
在一个可选的实施例中，聚合模块1604还用于重新执行从路网中确定目标拥堵路段的第q距离范围内满足异常条件的nq个拥堵路段；在nq个拥堵路段的综合异常程度达到异
常程度阈值的情况下，确定nq个拥堵路段为第p个异常拥堵区域覆盖的拥堵路段子集，将q更新为q+1的步骤；q的初始值为1，nq为正整数。
[0356]
在一个可选的实施例中，聚合模块1604还用于在nq个拥堵路段的综合异常程度未达到异常程度阈值的情况下，输出第p个异常拥堵区域，综合异常程度是基于n个拥堵路段的n个路段里程与n个异常程度进行加权运算得到的。
[0357]
在一个可选的实施例中，标记模块1602还用于针对k个异常堵块中的第一异常堵块，在地图界面上，将当前批次生成的第一异常堵块的候选异常堵块图标，更新显示为第一异常堵块的异常堵块图标。
[0358]
在一个可选的实施例中，标记模块1602还用于针对k个异常堵块中的第一异常堵块，在地图界面上，将前一批次的第二异常堵块的异常堵块图标，保留显示为第一异常堵块的异常堵块图标，第二异常堵块为前一批次生成的异常堵块中的任意一个。
[0359]
在一个可选的实施例中，标记模块1602还用于在第一异常堵块与第二异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，将当前批次生成的第一异常堵块的候选异常堵块图标，更新显示为第一异常堵块的异常堵块图标。
[0360]
在一个可选的实施例中，标记模块1602还用于在第一异常堵块与第二异常堵块中具有的拥堵路段的重合率不小于重合率阈值的情况下，将前一批次的第二异常堵块的异常堵块图标，保留显示为第一异常堵块的异常堵块图标。
[0361]
在一个可选的实施例中，标记模块1602还用于针对k个异常堵块中的第一异常堵块，在地图界面显示出的异常堵块列表上，将当前批次生成的第一异常堵块的候选名称，更新显示为第一异常堵块的名称。
[0362]
在一个可选的实施例中，标记模块1602还用于针对k个异常堵块中的第一异常堵块，在地图界面显示出的异常堵块列表上，将前一批次的第二异常堵块的名称，保留显示为第一异常堵块的名称，第二异常堵块为前一批次生成的异常堵块中的任意一个。
[0363]
在一个可选的实施例中，标记模块1602还用于在第一异常堵块与第二异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，将当前批次生成的第一异常堵块的候选名称，更新显示为第一异常堵块的名称。
[0364]
在一个可选的实施例中，标记模块1602还用于在第一异常堵块与第二异常堵块中具有的拥堵路段的重合率不小于重合率阈值的情况下，将前一批次的第二异常堵块的名称，保留显示为第一异常堵块的名称。
[0365]
在一个可选的实施例中，标记模块1602还用于响应于n个拥堵路段不满足异常拥堵条件，取消标记n个拥堵路段。
[0366]
在一个可选的实施例中，标记模块1602还用于针对n个拥堵路段中的n个拥堵路段，n个拥堵路段构成当前批次生成的第一异常堵块，在下一批次生成的第三异常堵块与第一异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，开始倒计时第一异常堵块的剩余显示时长，第一异常堵块初始的剩余显示时长为过期时长阈值，其中，第三异常堵块为下一批次生成的异常堵块的任意一个。
[0367]
在一个可选的实施例中，标记模块1602还用于在第一异常堵块的剩余显示时长为0时，取消标记第一异常堵块；
[0368]
综上所述，上述装置通过标记当前时间段的拥堵情况与历史时间段的拥堵情况之
间的差异满足预警阈值的拥堵路段，即标记出异常的拥堵路段，使得地图界面显示出更多的拥堵路段的信息，为出行者和交通管理者作出决策提供了更多的参考信息，进而提高了决策的准确性。
[0369]
例如，交通管理者发现在往常这个时间点仅属于轻微拥堵的路段，在此刻变得异常拥堵，交通管理者快速锁定异常拥堵的路段，并作出围绕着该路段进行道路管理的决策。
[0370]
基于上述本技术的所有实施例，其示出的拥堵路段的显示方法可由终端和/或服务器执行。其中，终端可以是智能手机、可穿戴设备、智能电视、平板电脑、mp3播放器(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving picture experts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、笔记本电脑、台式电脑等。
[0371]
服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0372]
图17示出了本技术一个示例性实施例提供的计算机设备1700的结构框图。该计算机设备1700可以是便携式移动终端，比如：智能手机、平板电脑、mp3播放器(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving picture experts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。计算机设备1700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
[0373]
通常，计算机设备1700包括有：处理器1701和存储器1702。
[0374]
处理器1701可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1701可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1701也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1701可以集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1701还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。
[0375]
存储器1702可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1702还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1702中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1701所执行以实现本技术中方法实施例提供的拥堵路段的显示方法，或基于拥堵路段的确定方法。
[0376]
在一些实施例中，计算机设备1700还可选包括有：外围设备接口1703和至少一个外围设备。处理器1701、存储器1702和外围设备接口1703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1703相连。示例地，外围设备
可以包括：射频电路1704、显示屏1705、摄像头组件1706、音频电路1707和电源1708中的至少一种。
[0377]
外围设备接口1703可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器1701和存储器1702。在一些实施例中，处理器1701、存储器1702和外围设备接口1703被集成在同一芯片或电路板上；在一些其他实施例中，处理器1701、存储器1702和外围设备接口1703中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
[0378]
射频电路1704用于接收和发射rf(radio frequency，射频)信号，也称电磁信号。射频电路1704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1704将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1704包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2g、3g、4g及17g)、无线局域网和/或wifi(wireless fidelity，无线保真)网络。在一些实施例中，射频电路1704还可以包括nfc(near field communication，近距离无线通信)有关的电路，本技术对此不加以限定。
[0379]
显示屏1705用于显示ui(user interface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1705是触摸显示屏时，显示屏1705还具有采集在显示屏1705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1701进行处理。此时，显示屏1705还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1705可以为一个，设置在计算机设备1700的前面板；在另一些实施例中，显示屏1705可以为至少两个，分别设置在计算机设备1700的不同表面或呈折叠设计；在另一些实施例中，显示屏1705可以是柔性显示屏，设置在计算机设备1700的弯曲表面上或折叠面上。甚至，显示屏1705还可以设置成非矩形的不规则图形，也即异形屏。显示屏1705可以采用lcd(liquid crystal display，液晶显示屏)、oled(organic light-emitting diode,有机发光二极管)等材质制备。
[0380]
摄像头组件1706用于采集图像或视频。可选地，摄像头组件1706包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及vr(virtual reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1706还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
[0381]
音频电路1707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1701进行处理，或者输入至射频电路1704以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在计算机设备1700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1701或射频电路1704的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶
瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1707还可以包括耳机插孔。
[0382]
电源1708用于为计算机设备1700中的各个组件进行供电。电源1708可以是交流电、直流电、一次性电池或可充电电池。当电源1708包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
[0383]
在一些实施例中，计算机设备1700还包括有一个或多个传感器1709。该一个或多个传感器1709包括但不限于：加速度传感器1710、陀螺仪传感器1711、压力传感器1712、光学传感器1713以及接近传感器1714。
[0384]
加速度传感器1710可以检测以计算机设备1700建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1710可以用于检测重力加速度在三个坐标轴上的分量。处理器1701可以根据加速度传感器1710采集的重力加速度信号，控制显示屏1705以横向视图或纵向视图进行用户界面的显示。加速度传感器1710还可以用于游戏或者用户的运动数据的采集。
[0385]
陀螺仪传感器1711可以检测计算机设备1700的机体方向及转动角度，陀螺仪传感器1711可以与加速度传感器1710协同采集用户对计算机设备1700的3d动作。处理器1701根据陀螺仪传感器1711采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变ui)、拍摄时的图像稳定、游戏控制以及惯性导航。
[0386]
压力传感器1712以设置在计算机设备1700的侧边框和/或显示屏1705的下层。当压力传感器1712设置在计算机设备1700的侧边框时，可以检测用户对计算机设备1700的握持信号，由处理器1701根据压力传感器1712采集的握持信号进行左右手识别或快捷操作。当压力传感器1712设置在显示屏1705的下层时，由处理器1701根据用户对显示屏1705的压力操作，实现对ui界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
[0387]
光学传感器1713用于采集环境光强度。在一个实施例中，处理器1701可以根据光学传感器1713采集的环境光强度，控制显示屏1705的显示亮度。示例地，当环境光强度较高时，调高显示屏1705的显示亮度；当环境光强度较低时，调低显示屏1705的显示亮度。在另一个实施例中，处理器1701还可以根据光学传感器1713采集的环境光强度，动态调整摄像头组件1706的拍摄参数。
[0388]
接近传感器1714，也称距离传感器，通常设置在计算机设备1700的前面板。接近传感器1714用于采集用户与计算机设备1700的正面之间的距离。在一个实施例中，当接近传感器1714检测到用户与计算机设备1700的正面之间的距离逐渐变小时，由处理器1701控制显示屏1705从亮屏状态切换为息屏状态；当接近传感器1714检测到用户与计算机设备1700的正面之间的距离逐渐变大时，由处理器1701控制显示屏1705从息屏状态切换为亮屏状态。
[0389]
本领域技术人员可以理解，图17中示出的结构并不构成对计算机设备1700的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
[0390]
本技术还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令、
至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方法实施例提供的拥堵路段的显示方法，或基于拥堵路段的确定方法。
[0391]
本技术提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方法实施例提供的拥堵路段的显示方法，或基于拥堵路段的确定方法。
[0392]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0393]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0394]
以上所述仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种拥堵路段的显示方法，其特征在于，所述方法包括：显示目标地理区域的地图界面，所述目标地理区域包括m个拥堵路段，m为正整数；响应于所述m个拥堵路段中的n个拥堵路段满足异常拥堵条件，标记所述n个拥堵路段，所述异常拥堵条件指示所述拥堵路段的拥堵情况的异常程度满足预警条件，其中，n为不大于m的正整数。2.根据权利要求1所述的方法，其特征在于，所述标记所述n个拥堵路段，包括：在所述地图界面上显示k个异常堵块图标，所述k个异常堵块图标与由所述n个拥堵路段聚合得到的k个异常堵块一一对应，所述k个异常堵块包括第一异常堵块，k为正整数；响应于所述第一异常堵块的异常堵块图标接收到触发操作，突出显示所述第一异常堵块。3.根据权利要求1所述的方法，其特征在于，所述标记所述n个拥堵路段，包括：在所述地图界面上显示异常堵块列表，所述异常堵块列表显示由所述n个拥堵路段聚合得到的k个异常堵块的名称，所述k个异常堵块包括第一异常堵块，k为正整数；响应于所述异常堵块列表接收到所述第一异常堵块的选择操作，突出显示所述第一异常堵块。4.根据权利要求2或3所述的方法，其特征在于，所述第一异常堵块包括所述n个拥堵路段中的n个拥堵路段，n为正整数，所述第一异常堵块的空间表现形式包括异常拥堵路线或异常拥堵区域；所述突出显示所述第一异常堵块，包括：高亮显示属于所述第一异常堵块的异常拥堵路线，在n的值大于1的情况下，所述n个拥堵路段在所述异常拥堵路线中首尾相连；或，高亮显示属于所述第一异常堵块的异常拥堵区域，所述异常拥堵区域覆盖所述n个拥堵路段。5.根据权利要求2或3所述的方法，其特征在于，所述第一异常堵块包括所述n个拥堵路段中的n个拥堵路段，n为正整数，所述方法还包括：显示所述第一异常堵块的详细信息；所述第一异常堵块的详细信息包括以下中的至少一种：所述第一异常堵块的总道路里程；所述第一异常堵块的预计通行速度；所述第一异常堵块的预计通行时长；所述第一异常堵块的综合异常程度；所述第一异常堵块的综合拥堵指数；其中，所述综合异常程度是基于所述n个拥堵路段的n个路段里程与n个异常程度进行加权运算得到的，所述异常程度用于衡量所述拥堵路段在所述当前时间段的拥堵情况与在所述历史时间段的拥堵情况之间的差异；所述综合拥堵指数是基于所述n个拥堵路段的预计通行时长与自由流通时长的比值得到的，所述自由流通时长是所述拥堵路段在不受路况信息影响下的通行时长。6.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：针对所述m个拥堵路段中的一个，基于所述拥堵路段在所述当前时间段的实时路况信息与所述历史时间段的历史路况信息之间的差异满足预警阈值，确定所述拥堵路段属于所
述n个拥堵路段。7.根据权利要求6所述的方法，其特征在于，所述基于所述拥堵路段在所述当前时间段的实时路况信息与所述历史时间段的历史路况信息之间的差异满足所述预警阈值，确定所述拥堵路段属于所述n个拥堵路段，包括：获取所述拥堵路段在所述当前时间段的实时通行速度；获取所述拥堵路段在所述历史时间段的历史通行速度；基于所述实时通行速度与所述历史通行速度之间的绝对差值不小于第一阈值，确定所述拥堵路段属于所述n个拥堵路段。8.根据权利要求6所述的方法，其特征在于，所述基于所述拥堵路段在所述当前时间段的实时路况信息与所述历史时间段的历史路况信息之间的差异满足所述预警阈值，确定所述拥堵路段属于所述n个拥堵路段，包括：获取所述拥堵路段在所述当前时间段的实时拥堵概率；获取所述拥堵路段在所述历史时间段的历史拥堵概率；基于所述实时拥堵概率与所述历史拥堵概率之间的绝对差值不小于第二阈值，确定所述拥堵路段属于所述n个拥堵路段。9.根据权利要求6所述的方法，其特征在于，所述基于所述拥堵路段在所述当前时间段的实时路况信息与所述历史时间段的历史路况信息之间的差异满足所述预警阈值，确定所述拥堵路段属于所述n个拥堵路段，包括：获取所述拥堵路段的预设距离范围内的路段集合；计算在所述当前时间段所述路段集合的实时路况信息的平均值；计算在所述历史时间段所述路段集合的历史路况信息的平均值；基于所述实时路况信息的平均值与所述历史路况信息的平均值之间的绝对差值不小于第三阈值，确定所述拥堵路段属于所述n个拥堵路段；其中，所述实时路况信息包括实时通行速度、所述历史路况信息包括历史通行速度；或，所述实时路况信息包括实时拥堵概率、所述历史路况信息包括历史拥堵概率。10.根据权利要求6所述的方法，其特征在于，所述基于所述拥堵路段在所述当前时间段的实时路况信息与所述历史时间段的历史路况信息之间的差异满足所述预警阈值，确定所述拥堵路段属于所述n个拥堵路段，包括：获取所述拥堵路段在所述当前时间段的实时路况信息；基于所述拥堵路段的实时路况信息，通过路段分类模型确定所述拥堵路段属于所述n个拥堵路段；其中，所述路段分类模型是基于所述拥堵路段的历史路况信息训练得到的机器学习模型，所述实时路况信息包括实时通行速度和实时拥堵概率中的至少一种，所述历史路况信息包括历史通行速度和历史拥堵概率中的至少一种。11.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：将所述n个拥堵路段不重复聚合得到所述k个异常堵块。12.根据权利要求11所述的方法，其特征在于，所述k个异常堵块中任一异常堵块表现为异常拥堵路线；所述将所述n个拥堵路段不重复聚合得到所述k个异常堵块，包括：设置所述n个拥堵路段构成拥堵路段序列；
基于所述n个拥堵路段的异常程度和地理位置，获取第i条所述异常拥堵路线；从所述拥堵路段序列中剔除所述第i条异常拥堵路线；将i更新为i+1；重新执行所述基于所述n个拥堵路段的异常程度和地理位置，获取第i条所述异常拥堵路线，从所述拥堵路段序列中剔除所述第i条异常拥堵路线，将i更新为i+1的步骤，直至所述n个拥堵路段全部聚合为所述异常拥堵路线；将获取的k条所述异常拥堵路线输出为所述k个异常堵块；其中，所述异常程度用于衡量所述拥堵路段的实时路况信息与历史路况信息之间的差异，i的初始值为1。13.根据权利要求12所述的方法，其特征在于，所述基于所述n个拥堵路段的异常程度和地理位置，获取第i条所述异常拥堵路线，包括：从所述拥堵路段序列中获取所述异常程度最高的目标拥堵路段，所述目标拥堵路段是所述第i条异常拥堵路线中的路段；从路网中获取与所述目标拥堵路段相连的第1路段；在所述第j路段满足所述异常条件的情况下，确定所述第j路段属于所述第i条异常拥堵路线；从所述路网中获取与第j路段继续相连的第j+1路段；将j更新为j+1；重新执行所述在所述第j路段满足所述异常条件的情况下，确定所述第j路段属于所述第i条异常拥堵路线，从所述路网中获取与第j路段继续相连的第j+1路段，将j更新为j+1的步骤，j的初始值为1；在所述第j路段不满足所述异常条件的情况下，输出所述第i条异常拥堵路线。14.根据权利要求11所述的方法，其特征在于，所述k个异常堵块中任一异常堵块表现为异常拥堵区域；所述将所述n个拥堵路段聚合得到所述k个异常堵块，包括：设置所述n个拥堵路段构成拥堵路段序列；基于所述n个拥堵路段的异常程度和地理位置，获取第p个所述异常拥堵区域；从所述拥堵路段序列中剔除所述第p个异常拥堵区域覆盖的拥堵路段；将p更新为p+1；重新执行所述基于所述n个拥堵路段的异常程度和地理位置，获取第p个所述异常拥堵区域，从所述拥堵路段序列中剔除所述第p个异常拥堵区域覆盖的拥堵路段，将p更新为p+1的步骤，直至所述n个拥堵路段全部聚合为所述异常拥堵区域；将获取的k个异常拥堵区域输出为所述k个异常堵块；其中，所述异常程度用于衡量所述拥堵路段的实时路况信息与历史路况信息之间的差异，p的初始值为1。15.根据权利要求14所述的方法，其特征在于，所述基于所述n个拥堵路段的异常程度和地理位置，获取第p个所述异常拥堵区域，包括：从所述拥堵路段序列中获取所述异常程度最高的目标拥堵路段，所述目标拥堵路段为所述第p个异常拥堵区域覆盖的路段；从路网中确定所述目标拥堵路段的第q距离范围内满足异常条件的n
q
个拥堵路段；在所述n
q
个拥堵路段的综合异常程度达到异常程度阈值的情况下，确定所述n
q
个拥堵路段为所述第p个异常拥堵区域覆盖的路段子集；将q更新为q+1；重新执行所述从路网中确定所述目标拥堵路段的第q距离范围内满足异常条件的n
q
个拥堵路段；在所述n
q
个拥堵路段的综合异常程度达到异常程度阈值的情况下，确定所述n
q
个
拥堵路段为所述第p个异常拥堵区域覆盖的拥堵路段子集，将q更新为q+1的步骤；q的初始值为1，n
q
为正整数；在所述n
q
个拥堵路段的综合异常程度未达到所述异常程度阈值的情况下，输出所述第p个异常拥堵区域，所述综合异常程度是基于所述n
q
个拥堵路段的n
q
个路段里程与n
q
个异常程度进行加权运算得到的。16.根据权利要求2所述的方法，其特征在于，所述在所述地图界面上显示k个异常堵块图标，包括：针对所述第一异常堵块：在所述地图界面上，将当前批次生成的所述第一异常堵块的候选异常堵块图标，更新显示为所述第一异常堵块的异常堵块图标；或，在所述地图界面上，将前一批次生成的第二异常堵块的异常堵块图标，保留显示为所述第一异常堵块的异常堵块图标，所述第二异常堵块为所述前一批次生成的异常堵块中的任意一个。17.根据权利要求16所述的方法，其特征在于，所述将当前批次生成的所述第一异常堵块的候选异常堵块图标，更新显示为所述第一异常堵块的异常堵块图标，包括：在所述第一异常堵块与所述第二异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，将当前批次生成的所述第一异常堵块的候选异常堵块图标，更新显示为所述第一异常堵块的异常堵块图标；所述将前一批次生成的第二异常堵块的异常堵块图标，保留显示为所述第一异常堵块的异常堵块图标，包括：在所述第一异常堵块与所述第二异常堵块中具有的拥堵路段的重合率不小于所述重合率阈值的情况下，将前一批次生成的第二异常堵块的异常堵块图标，保留显示为所述第一异常堵块的异常堵块图标。18.根据权利要求3所述的方法，其特征在于，所述在所述地图界面上显示异常堵块列表，包括：针对所述第一异常堵块：在所述地图界面显示出的异常堵块列表上，将当前批次生成的所述第一异常堵块的候选名称，更新显示为所述第一异常堵块的名称；或，在所述地图界面显示出的异常堵块列表上，将前一批次生成的第二异常堵块的名称，保留显示为所述第一异常堵块的名称，所述第二异常堵块为所述前一批次生成的异常堵块中的任意一个。19.根据权利要求18所述的方法，其特征在于，所述将当前批次生成的所述第一异常堵块的候选名称，更新显示为所述第一异常堵块的名称，包括：在所述第一异常堵块与所述第二异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，将当前批次生成的所述第一异常堵块的候选名称，更新显示为所述第一异常堵块的名称；所述将前一批次的第二异常堵块的名称，保留显示为所述第一异常堵块的名称，包括：
在所述第一异常堵块与所述第二异常堵块中具有的拥堵路段的重合率不小于所述重合率阈值的情况下，将前一批次生成的第二异常堵块的名称，保留显示为所述第一异常堵块的名称。20.根据权利要求1所述的方法，其特征在于，所述方法还包括：针对所述n个拥堵路段中的n个拥堵路段，所述n个拥堵路段构成当前批生成的第一异常堵块：在下一批次生成的第三异常堵块与所述第一异常堵块中具有的拥堵路段的重合率小于重合率阈值的情况下，开始倒计时所述第一异常堵块的剩余显示时长，所述第一异常堵块初始的剩余显示时长为过期时长阈值；在所述第一异常堵块的剩余显示时长为0时，取消标记所述第一异常堵块；其中，所述第三异常堵块为下一批次生成的异常堵块中的任意一个。21.一种基于拥堵路段的确定方法，其特征在于，应用于服务器，所述方法包括：获取目标地理区域的m个拥堵路段，m为正整数；确定所述m个拥堵路段中满足异常拥堵条件的n个拥堵路段，所述异常拥堵条件指示所述拥堵路段在当前时间段的拥堵情况与历史时间段的拥堵情况之间的差异满足预警阈值，n为不大于m的正整数；输出所述n个拥堵路段。22.一种拥堵路段的显示装置，其特征在于，所述装置包括：显示模块，用于显示目标地理区域的地图界面，所述目标地理区域包括m个拥堵路段，m为正整数；标记模块，用于响应于所述m个拥堵路段中的n个拥堵路段满足异常拥堵条件，标记所述n个拥堵路段，所述异常拥堵条件指示所述拥堵路段的拥堵情况的异常程度满足预警条件，其中，n为不大于m的正整数。23.一种计算机设备，其特征在于，所述计算机设备包括：处理器和存储器，所述存储器存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如权利要求1至20任一所述的拥堵路段的显示方法，或，权利要求21所述的基于拥堵路段的确定方法。24.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至20任一所述的拥堵路段的显示方法，或，权利要求21所述的基于拥堵路段的确定方法。25.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中，计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行以实现如权利要求1至20任一所述的拥堵路段的显示方法，或，权利要求21所述的基于拥堵路段的确定方法。

技术总结
本申请公开了拥堵路段的显示方法、装置、设备、介质及程序产品，属于电子地图领域。所述方法包括：显示目标地理区域的地图界面，目标地理区域包括M个拥堵路段，M为正整数；响应于M个拥堵路段中的N个拥堵路段满足异常拥堵条件，标记N个拥堵路段，异常拥堵条件指示拥堵路段的拥堵情况的异常程度满足预警条件，N为不大于M的正整数。上述方案使得地图界面显示出更多关于拥堵路段的信息，实现了在地图界面存在大量的拥堵路段的情况下，仍能对拥堵路段进行区分。行区分。行区分。


技术研发人员：孙立光
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.01.28
技术公布日：2023/8/9